Макеева, Н. М.
    Наукастинг элементов использования ВВП России [Текст] / Н. М. Макеева, И. П. Станкевич // Экономический журнал Высшей школы экономики. - 2022. - Т. 26, № 4. - С. 598-622. - Библиогр.: c. 620-622. - полный текст статьи см. на сайте Научной электронной библиотеки https://elibrary.ru . - ISSN 1813-8691
УДК
ББК 65.012.3
Рубрики: Экономика
   Макроэкономика--Российская Федерация--Россия

Кл.слова (ненормированные):
наукастинг элементов использования -- ВВП -- валовой внутренний продукт -- темпы роста валового внутреннего продукта -- темпы роста ВВП -- компоненты валового внутреннего продукта -- компоненты ВВП -- квартальные данные -- состояние экономики
Аннотация: В статье рассматривается вопрос оперативной оценки (наукастинга) текущих темпов роста валового внутреннего продукта России и его компонентов по использованию на квартальных данных. В работе предложен способ оперативной оценки текущего состояния экономики, предложен метод наукастинга на основе данных только за первый или за первые два месяца рассматриваемого квартала.


Доп.точки доступа:
Станкевич, И. П.
Нет сведений об экземплярах (Источник в БД не найден)




    Rudakouski, Y.
    Comparing Forecasting Accuracy between BVAR and VAR Models for the Russian Economy [Text] / Y. Rudakouski // Экономический журнал Высшей школы экономики. - 2023. - Т. 27, № 4. - С. 506-526. - Библиогр.: c. 525-526. - полный текст статьи см. на сайте Научной электронной библиотеки https://elibrary.ru . - ISSN 1813-8691
УДК
ББК 65.012.3
Рубрики: Экономика
   Макроэкономика--Российская Федерация--Россия

Кл.слова (ненормированные):
BVAR-модели -- VAR-модели -- российская экономика -- экономика России -- макроэкономическое прогнозирование -- частотные модели -- байесовская векторная авторегрессия -- векторная авторегрессия -- макроэкономические показатели
Аннотация: В данной статье исследуются различия в точности прогнозирования ключевых макроэкономических показателей путем сравнения частотной и байесовской векторных моделей авторегрессии. Основная цель исследования - определить наиболее эффективный тип априорных данных для минимизации ошибок прогнозирования ключевых макроэкономических показателей в контексте российской экономики.

Нет сведений об экземплярах (Источник в БД не найден)